Найти

Результаты поиска

• АЛГОРИТМЫ ГЕНЕРАЦИИ И ОБРАБОТКИ SEM-ИЗОБРАЖЕНИЙ ДЛЯ ИДЕНТИФИКАЦИИ СВОЙСТВ БИОНЕОРГАНИЧЕСКИХ МАТРИЦ И МЕТОДЫ ИХ ВЕРИФИКАЦИИ

  А.В. Полтавский , Д. С. Поляниченко , Е. Р. Коломенская , М. А. Бутакова

  2025-01-30

  Аннотация ▼

  Одним из распространенных методов анализа характеристик материалов, получаемых в ре-
  зультате химического синтеза, является сканирующая электронная микроскопия (SEM), примене-
  ние которой позволяет получить изображения с высоким разрешением и увеличением. В статье
  исследуются алгоритмы анализа изображений материалов, обладающих определенными свойст-
  вами (например, пористостью) – бионеорганических матриц. Пористые структуры представля-
  ют собой обширный класс материалов с широкой областью применения, включая сельское хозяй-
  ство, медицину, катализ и многое другое. Одна из важных сфер использования подобных структур
  – тканевая инженерия, в которой подобные каркасы необходимы для обеспечения восстанови-
  тельных процессов тканей организма. И для каждого организма матрицы должны быть персона-
  лизированными, что требует выполнения трудоемкого процесса по подбору характеристик кар-
  каса, применимого в конкретном случае. Эта задача в настоящее время частично решается при-
  менением технологий искусственного интеллекта для повышения точности или поддержки при-
  нятия решения во время изготовления или анализа матрицы. Однако, часть работы в этом процессе
  все еще выполняется вручную и представляет из себя трудозатратную рутину для специалиста.
  В частности, процесс анализа SEM-изображений с целью вычисления характеристик полученного
  материала все еще представляет множество длительных этапов с использованием различных ин-
  струментов. При этом такие характеристики как пористость, извилистость, диффузность явля-
  ются очень важным фактором для эксперта в процессе принятия решения о применимости изго-
  товленной бионеорганической матрицы в каждом конкретном случае. Соответственно целью дан-
  ного исследования является разработка комплекса алгоритмов для полностью автоматической об-
  работки SEM-изображений. Также, исходя из поставленной цели, в рамках исследования можно
  выделить ряд задач: разработка алгоритмов для детекции объектов на изображении, разработка
  модели нейронной сети для уточнения результатов детекции, реализация алгоритмов вычисления
  характеристик пористого материала, а также проектирование и выполнение ряда верификацион-
  ных испытаний для подтверждения качества выполненных вычислений. В результате проведенного
  исследования мы сделали некоторые выводы. В частности, подход, использующий генерацию синте-
  тических данных, может существенно ускорить и упросить процесс обучения нейронной сети, а
  также повысить качество выходной модели. Далее мы заключили, что полученные алгоритмы мо-
  гут полностью автоматизировать процесс анализа SEM-изображений с пористой структурой, а
  качество вычислений подтвердили с помощью ряда верификационных тестов. Полученные алго-
  ритмы могут быть распространены на другие аналогичные задачи, связанные с проблемами ана-
  лиза изображений и выявления необходимых признаков и характеристик.